Zum Inhalt springen

Glossar

Data Engineering

Datenanreicherung

Datenanreicherung (Data Enrichment) ist der Prozess, bestehende Datensätze um Attribute aus externen oder anderen internen Quellen zu ergänzen – etwa Firmografien zu einem Lead oder Standortdaten zu einem Account –, sodass jeder Datensatz mehr entscheidungsrelevanten Kontext enthält.

Aktualisiert am · Vom VIZIO AI Team

Was ist Datenanreicherung?

Anreicherung ist ein Join über einen Schlüssel, den Sie bereits haben – etwa eine E-Mail-Domain, eine Postadresse oder eine Place-ID –, gegen eine Quelle, die mehr weiß. Die ergänzten Felder lassen sich in einige Kategorien einteilen:

  • Firmografisch: Branche, Mitarbeiterzahl, Umsatzklasse, Hauptsitz.

  • Technografisch: Software, die ein Unternehmen nutzt, etwa Shopify oder Salesforce.

  • Geografisch: Koordinaten, Region, lokale Dichte ähnlicher Unternehmen.

  • Verhalten und Intent: Produktnutzung, konsumierte Inhalte, Recherchesignale von Drittanbietern.

Am besten funktioniert sie nach der Datenbereinigung, denn ein fehlerhafter Schlüssel findet keine Übereinstimmung.

Wie richten Sie einen Prozess zur Datenanreicherung ein?

Definieren Sie zuerst die Entscheidung, dann die Felder, dann die Quelle; alles „für alle Fälle“ anzureichern, verbrennt Budget. Ein solides Setup beantwortet fünf Fragen:

  1. Welche Entscheidung nutzt das neue Feld (Routing, Scoring, Gebietsplanung)?

  2. Welcher Match-Schlüssel, und welche Match-Rate ist akzeptabel?

  3. Welcher Anbieter hat Vorrang, wenn zwei sich widersprechen (Feldpriorität)?

  4. Wie oft wird aktualisiert, da sich Jobtitel und Mitarbeiterzahlen ändern?

  5. Wo liegt der Wert – im CRM-Feld oder in einer separaten Anreicherungstabelle mit Zeitstempel?

Wie sieht Datenanreicherung in der Praxis aus?

Ein typisches Anreicherungsprojekt macht aus einer Liste nackter E-Mail-Adressen routbare, bewertbare Leads. Stellen Sie sich ein B2B-SaaS-Unternehmen mit 25 Mitarbeitenden und 12.000 HubSpot-Kontakten vor, bei denen die meisten Datensätze nur einen Namen und eine geschäftliche E-Mail-Adresse enthalten.

Das Team extrahiert die E-Mail-Domains, schickt sie durch eine Clay-Tabelle, die nacheinander mehrere Anbieter abfragt, und schreibt Branche, Mitarbeiterzahl und die Information zurück, ob das Unternehmen Shopify nutzt. Diese Felder fließen in das Lead Scoring ein und weisen jeden Lead dem richtigen Vertriebsmitarbeiter zu. Angenommen, der Anteil der Leads mit bekannter Unternehmensgröße steigt von einem Drittel auf den Großteil der Liste: Der Vertrieb kann nun nach seinem Ideal Customer Profile filtern, statt zu raten.

Welche Risiken birgt Datenanreicherung?

Angereicherte Daten veralten: Menschen wechseln den Job und Unternehmen ihre Größe, sodass ein Feld ohne Zeitstempel unbemerkt falsch wird. Weitere Risiken sollten Sie einplanen:

  • Falsche Matches, zum Beispiel eine Tochtergesellschaft, die die Mitarbeiterzahl ihrer Muttergesellschaft übernimmt.

  • Credit-Kosten pro Datensatz, die mit jedem erneuten Durchlauf wachsen.

  • Datenschutzpflichten: Nach Art. 14 DSGVO müssen Personen informiert werden, wenn Sie ihre personenbezogenen Daten aus einer anderen Quelle als von ihnen selbst erhalten.

Reichern Sie keine Felder an, die kein Workflow, kein Score und kein Report liest.

Messen Sie die Qualität vor dem Rollout an einer Stichprobe: Ziehen Sie 100 angereicherte Datensätze, prüfen Sie sie manuell anhand von Unternehmenswebsites oder LinkedIn und erfassen Sie die Fehlerquote pro Feld. Ein Anbieter, der bei US-Softwareunternehmen genau ist, kann bei europäischen Herstellern schwach sein – testen Sie also mit dem Segment, an das Sie tatsächlich verkaufen.

Speichern Sie Anbietername und Abrufdatum neben jedem angereicherten Wert. Wenn ein Vertriebsmitarbeiter ein Feld anzweifelt, sehen Sie, woher es stammt und ob eine Aktualisierung fällig ist.

Welche Tools werden für die Datenanreicherung eingesetzt?

Die richtige Anreicherungsquelle hängt von der Entität ab: Für Unternehmen und Kontakte, Orte oder Adressen gibt es jeweils spezialisierte Anbieter. Für B2B-Kontakte und -Unternehmen nutzen Teams ZoomInfo, Apollo, Clay (das mehrere Anbieter verkettet) und HubSpots Breeze Intelligence, ehemals Clearbit. Für Standorte liefert die Google Places API Unternehmensart, Bewertungen und Koordinaten.

Anreicherung unterscheidet sich vom Data Blending: Beim Blending werden Quellen vorübergehend für eine Analyse kombiniert, während Anreicherung neue Attribute dauerhaft in die Datensätze schreibt.

Vergleichen Sie bei der Anbieterwahl drei Kennzahlen auf Ihrer eigenen Liste statt Herstellerangaben: Match-Rate (Datensätze, für die überhaupt etwas zurückkam), Füllrate pro Feld und Kosten pro nutzbarem Datensatz. Wasserfall-Setups, die einen zweiten Anbieter nur dann abfragen, wenn der erste nichts liefert, erhöhen in der Regel die Match-Rate, ohne zweimal für dasselbe Feld zu zahlen.

Datenanreicherung vs. Data Blending

Datenanreicherung

Data Blending

Was passiert

Neue Attribute werden an Datensätze angehängt

Quellen werden für eine Analyse kombiniert

Persistenz

Gespeichert im Datensatz oder in einer verknüpften Tabelle

Meist temporär, innerhalb des BI-Tools

Typische Quelle

Drittanbieter oder APIs

Interne Datensätze

Beispiel

Mitarbeiterzahl zu einem Lead hinzufügen

Werbeausgaben mit CRM-Umsatz verknüpfen

Hauptrisiko

Veraltete oder falsch zugeordnete Werte

Nicht passende Granularität oder Join-Schlüssel

Wie geht VIZIO AI an Datenanreicherung heran?

VIZIO AI nutzt Anreicherung, um Außendienstteams zu zeigen, wohin sie als Nächstes gehen sollten – nicht nur, um leere CRM-Spalten zu füllen. Für ein globales Premium-Spirituosenunternehmen mit Sitz in den USA kombinierte das DX Studio interne Vertriebsdaten mit Restaurantinformationen auf Google-Basis in einem Mobile-first-Dashboard, mit berechneten Kennzahlen zu Interessentenpotenzial, Wiederholungswert und Whitespace in Restaurantmärkten mit hoher Dichte.

Das Unternehmen steigerte die Genauigkeit der Zielkonversion um 23 %, sparte pro Vertriebsmitarbeiter 3,4 Stunden pro Woche und verzeichnete 17 % Wachstum beim Absatzvolumen in Schlüsselmärkten. Wo Sie anfangen sollten: Wählen Sie eine Entscheidung, etwa welche Accounts der Vertrieb zuerst besucht, und reichern Sie nur die Felder an, die sie benötigt.

Facebook-Logo
X-Logo
LinkedIn-Logo
Reddit-Logo
Telegram-Logo

AI-first denken.
Zukunftsschnell handeln.

Lassen Sie uns bauen, was als Nächstes kommt! Von Produktideen und intelligenten Workflows bis zu datengetriebenen Systemen und skalierbaren Growth Operations.

Strategiegespräch buchen